Naturligt väte: så hittar du fynden med AI och geologi

Vätgasmarknaden var runt 135 miljarder dollar redan 2025, och prognoser pekar mot upp till 1 000 miljarder dollar 2050. Ändå bygger en stor del av dagens produktion fortfarande på fossila råvaror, vilket driver utsläpp. Här finns en obekväm sanning: vi pratar gärna om vätgas som framtidens lösning, men vi har länge saknat en skalbar, utsläppsfri tillgång på själva gasen.

Forskare från University of Oxford, Durham University och University of Toronto satte 2025 ord på det som industrin har famlat efter: en ”receptbok” för att hitta naturligt, geologiskt bildat väte i jordskorpan. Inte som hype, utan som ett systemtänk: var bildas väte, hur flyttar det sig, vad lagrar det – och vad förstör det.

Den här artikeln är en del av vår serie ”AI inom energi och hållbarhet”. Jag tar forskningsresultaten ett steg längre och visar hur AI och dataanalys kan göra naturligt väte till mer än en geologisk kuriositet: ett möjligt tillskott i energiomställningen, om vi letar smart och bygger robusta beslutsunderlag.

Varför naturligt väte är intressant (på riktigt)

Naturligt väte är intressant eftersom det kan vara en utsläppsfri primärkälla, inte bara en energibärare. Mycket av dagens “gröna” eller “blå” vätgas handlar om hur vi tillverkar väte: elektrolys med förnybar el, eller reformering av naturgas med koldioxidinfångning. Naturligt väte vänder på perspektivet: jorden har redan producerat enorma mängder väte under geologisk tid.

Forskargruppen uppskattar att kontinentalskorpan under den senaste miljarden åren kan ha producerat tillräckligt med väte för att täcka mänsklighetens energibehov i minst 170 000 år. Allt är förstås inte tillgängligt: en del har läckt ut, reagerat bort eller hamnat där vi inte kan komma åt det. Men poängen är tydlig: resursen är inte nödvändigtvis liten – det är vår förmåga att hitta och bevisa den som är flaskhalsen.

Det här spelar extra stor roll i Sverige och Norden där energiomställningen redan pressar tre saker samtidigt:

• Elbehovet ökar (industrielektrifiering, datacenter, transporter)
• Effektbalansen blir svårare när mer produktion är väderberoende
• Industrins vätgasbehov växer (stål, kemi, raffinaderier)

Naturligt väte är ingen universallösning. Men som komplement kan det avlasta elnätet jämfört med elektrolys som kräver mycket el exakt när den ska köras.

Receptet för ett ”vätesystem” i berggrunden

För att hitta kommersiellt intressant naturligt väte måste fyra delar sitta samtidigt: källa, transport, fälla och bevarande. Forskarna liknar det vid att baka en sufflé: minsta fel på ingredienser, timing eller temperatur och resultatet kollapsar.

1) Produktion: var bildas väte?

Väte bildas i jordskorpan när vatten reagerar med vissa mineral och bergarter. En klass av processer är reaktioner där järn i mineral oxideras och vatten reduceras, vilket frigör H₂. Det är här geologin blir praktisk: du letar inte “väte” direkt, du letar miljöer där väte rimligen bildas kontinuerligt eller i pulser.

Praktiskt innebär det att kartläggning av berggrundstyper, mineralogi och tidigare tektonisk aktivitet blir centralt. Det är också här många projekt tappar fart: de har en gasidé men saknar en stringent modell för var gasen borde uppstå.

2) Migration: hur tar sig vätet vidare?

Väte som bildas måste kunna röra sig genom sprickor och porer för att ackumuleras. Om det stannar kvar där det bildas, eller om flödesvägarna stängs av mineralutfällningar, blir det små, lokala fickor istället för fält som går att producera.

Det är här strukturell geologi och geofysik kommer in: spricksystem, förkastningar och permeabla zoner fungerar som “motorvägar” – men de kan också bli läckvägar om de leder upp till ytan.

3) Ackumulering: vad krävs för att ett gasfält ska bildas?

Ett gasfält kräver en reservoar (där gasen kan samlas) och en tätning (som hindrar den från att smita). Det är klassisk petroleumgeologi – men med nya fallgropar, eftersom väte är en liten molekyl som kan läcka igenom material som är täta för metan.

Bra tätningar och rätt tryck/temperaturfönster blir därför extra viktiga. Dessutom behöver du rätt geologisk “timing”: väteproduktionen måste ske när fällan redan finns på plats.

4) Bevarande: vad förstör vätet?

Den tydligaste “fienden” är biologi: mikrober under jord kan konsumera väte. Forskarna pekar särskilt på att man behöver undvika miljöer där väte kommer i kontakt med mikrobiell aktivitet som snabbt “äter upp” gasen.

Det finns också geokemiska sänkor: väte kan reagera bort genom mineralreaktioner. Slutsatsen blir hård men användbar: det räcker inte att väte bildas – det måste överleva länge nog för att hinna samlas.

AI som verktyg: från geologiska kartor till borrbeslut

AI är relevant här av ett skäl: naturligt väte kräver att du kombinerar många osäkra datapusselbitar samtidigt. Det är exakt den typen av problem där maskininlärning, probabilistiska modeller och optimering gör nytta – inte för att “gissa”, utan för att rangordna möjligheter och minska dyr felborrning.

Prediktiva kartor: var ska man ens leta?

Ett realistiskt arbetsflöde är att bygga en prospektivitetsmodell som väger samman:

• Berggrundstyper och mineralogiska indikatorer (produktion)
• Strukturer och sprickzoner (migration)
• Potentiella reservoarer/tätningar (ackumulering)
• Temperatur, vattenkemi och indikatorer på mikrobiell aktivitet (bevarande)

Med AI kan man skapa heatmaps över sannolik förekomst och sedan fokusera fältarbete och geofysiska mätningar där de gör mest nytta.

Datafusion: när ”bra” data är utspridd och ojämn

I praktiken kommer data från många källor med olika kvalitet: geologiska kartor, geofysik, brunnsdata, vattenprover, satellitindikatorer, historiska gruv- och prospekteringsarkiv.

Här har jag sett att bästa resultaten ofta kommer från en kombination av:

1. Fysikbaserade regler (”här kan väte bildas”)
2. Maskininlärning (”givet allt vi vet, var ser mönstret mest lovande ut?”)
3. Osäkerhetsmodellering (”hur robust är detta, och vilka datagap gör oss blinda?”)

Det är också en hållbarhetsfråga: bättre urval minskar onödiga transporter, provtagningar och intrång.

Optimering av provtagning och borrprogram

Det snabbaste sättet att bränna en budget är att mäta ”allt överallt”. AI kan istället hjälpa till med aktiv inlärning: systemet föreslår nästa bästa mätpunkt som maximerar kunskapsvinsten.

Exempel på beslut som går att optimera:

• Var ska man ta gas- och vattenprover för att skilja mellan biologisk konsumtion och geologisk produktion?
• Vilka geofysiska linjer ger mest information om tätning och reservoar?
• När är osäkerheten så låg att borrning är rimlig?

Vanliga missförstånd om naturligt väte

Det största misstaget är att tro att alla vätekällor är lika lovande. Forskarna är tydliga med att vissa spekulationer – till exempel om stora, lättåtkomliga vätemängder direkt från manteln – inte är realistiska som resursbas.

Tre myter jag ofta stöter på:

1. ”Om det finns väte, så finns det mycket.” Nej. Utan rätt fälla och tätning blir det diffust och utspritt.
2. ”Väte beter sig som naturgas.” Delvis, men läckagerisk och materialinteraktioner är annorlunda.
3. ”Det här är bara en geologifråga.” Nej. Det är lika mycket en data-, risk- och systemfråga.

Vad betyder detta för energisystem och hållbarhet i Norden?

Naturligt väte kan bli en ny pusselbit i energimixen, men bara om den kopplas till systemnytta. I Norden är den systemnyttan ofta tydligast i tre spår:

Industrins behov och försörjningstrygghet

Stål- och kemisektorn vill ha stabil tillgång till vätgas. Om en del kan komma från naturliga fält kan det:

• minska beroendet av elintensiv elektrolys under effekttoppar
• bredda försörjningen och minska sårbarhet i importkedjor
• skapa nya regionala värdekedjor (prospektering, service, processindustri)

Smarta elnät och flexibilitet

AI i smarta elnät handlar om prognoser och flexibilitet. Naturligt väte passar in som en “tredje väg”:

• Elektrolys: tar el och ger H₂
• Naturgasreformering: tar fossil gas och ger H₂ + CO₂
• Naturligt väte: tar geologi och ger H₂

Det påverkar hur man dimensionerar lagring, rörledningar och industriknutpunkter. Här behövs systemmodeller som kopplar ihop geologi, produktionstakt och efterfrågeprofiler.

Miljötillstånd och social acceptans

Prospektering och produktion måste tåla granskning. Transparens kring metanläckage (om associerade gaser finns), grundvattenpåverkan, buller och markintrång blir avgörande.

AI kan bidra även här: bättre miljöövervakning, bättre avvikelsedetektering och mer spårbar rapportering i tillståndsprocesser.

Så kommer du igång: en praktisk checklista

Vill du bedöma om naturligt väte är relevant för din organisation? Börja med en avgränsad pilot som kombinerar geologi, AI och affärslogik.

1. Definiera ett användningsfall: lokal industriförsörjning, flexibilitetstjänster eller råvara till kemi?
2. Bygg en datainventering: vilka geodata, brunnsdata, geofysik och vattenkemidata finns redan?
3. Sätt upp en prospektivitetsmodell med tydliga antaganden och osäkerheter.
4. Planera provtagning som minskar osäkerhet snabbast (inte som “standardpaket”).
5. Gör en systemanalys: hur skulle H₂ integreras i elnät, logistik och industri?
6. Förbered ESG och tillstånd tidigt, inte som ett senare kapitel.

En bra tumregel: om du inte kan förklara varför väte ska finnas på en plats i fyra meningar (källa–transport–fälla–bevarande), då är det för tidigt att borra.

Nästa steg för AI inom energi och hållbarhet

Naturligt väte flyttar fokus från “hur producerar vi mer vätgas?” till “hur hittar vi den vätgas som redan bildas – och hur använder vi den klokt?”. För mig är det här ett skolboksexempel på varför AI inom energi och hållbarhet inte bara är en optimeringsfråga i drift, utan också en fråga om bättre beslut innan vi bygger.

Om du jobbar med energistrategi, industriplanering, prospektering eller elnätsutveckling är det här läget att agera metodiskt: bygg datagrund, testa modeller, och våga säga nej till platser som ser spännande ut men saknar “sufflé-ingredienserna”.

Vilken del av kedjan tror du blir den största flaskhalsen i Norden – att hitta fälten, få tillstånden, eller att integrera vätet i energisystemet?